泊松分布分布与Python图解

最新推荐文章于 2021-12-31 16:16:26 发布

哆啦壹萌

最新推荐文章于 2021-12-31 16:16:26 发布

阅读量3.5k

点赞数 3

文章标签：概率论

本文链接：https://blog.csdn.net/mm381082014/article/details/106820823

版权

本文介绍了泊松分布的概念，通过与伯努利试验和二项式分布的联系进行阐述，并探讨了泊松分布与正态分布的关系。讨论了参数λ的影响，以及在λ较大时如何接近正态分布。

摘要由CSDN通过智能技术生成

import numpy as np
import matplotlib.pyplot as plt

from numpy import power
from scipy.special import comb

对于一个试验（事件），如果重复发生的概率是独立的（互补影响），那么它是独立试验。特别的，如果这个试验只存在两种结果，则称其为伯努利试验。

对于重复 $n$ 次的伯努利试验，我们可以计算成功 $k$ 次的概率：

$P_{k}=C_{n}^{k} p^{k}(1-p)^{n-k}=\frac{n !}{(n-k) ! k !} \cdot p^{k}(1-p)^{n-k}$

def BinomialDist(n, k, p=.5):
    return comb(n, k) * power(p, k) * power(1-p, n-k)

e.g. 假设我们抛一枚硬币，总共抛10次，求10次都是正面的概率？

解： $P_{10} = 0.5^{10}$

验证一下我们的函数：

BinomialDist(10, 10) == power(0.5, 10)

True

e.g. 假设我们抛一枚硬币，总共抛10次，分别求 $k = 0, 1, 2, . . ., 10$ 次是正面的概率？

ks = np.linspace(0, 10, 11) #ks=0,1,2,...,10

Plst = BinomialDist(10, ks)
plt.plot(Plst, '.')
plt.title(r'$P(X=k),\ X \sim B(10,0.5)$')
plt.show()

在这里插入图片描述

从上图可以看出， $k = 5$ 时候最大，这符合我们的预期：抛10次硬币，正面朝上的次数最有可能为5。即随机变量 $\xi \sim B(10, 0.5)$ ， $E(\xi)=np=5$ 。

简单证明一下 $E(\xi)=np$ ：

关注